Amazon SageMaker AI での Amazon Nova モデルのカスタマイズ - Amazon SageMaker AI

翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

Amazon SageMaker AI での Amazon Nova モデルのカスタマイズ

レシピを使用して、拡張 Nova 2.0 モデルを含む Amazon Nova モデルをカスタマイズし、SageMaker AI でトレーニングできます。これらのレシピは、フルランク適応 (LoRA) オプションとローランク適応 (LoRA) オプションの両方で、教師ありファインチューニング (SFT)、ダイレクトプリファレンス最適化 (DPO)、強化ファインチューニング (RFT) などの手法をサポートします。

エンドツーエンドカスタマイズワークフローには、モデルトレーニング、モデル評価、推論のためのデプロイなどのステージが含まれます。SageMaker AI のこのモデルカスタマイズアプローチは、サポートされている Amazon Nova モデルを微調整し、ハイパーパラメータを正確に最適化し、LoRA パラメータ効率の高いファインチューニング (PEFT)、フルランク SFT、DPO、RFT、継続的な事前トレーニング (CPT)、プロキシマルポリシー最適化 (PPO) などの手法を実装するための柔軟性と制御を提供します。

SageMaker AI には、Amazon Nova モデルをカスタマイズするための 2 つの環境が用意されています。

  • Amazon SageMaker トレーニングジョブには、クラスターを作成または維持管理する必要がない、Nova モデルをカスタマイズするためのフルマネージド環境が用意されています。このサービスでは、すべてのインフラストラクチャのプロビジョニング、スケーリング、リソース管理が自動的に処理されるため、トレーニングパラメータの設定とジョブの送信のみに集中できます。パラメータ効率的ファインチューニング (PEFT)、フルランクファインチューニング、ダイレクトプリファレンス最適化 (DPO)、強化ファインチューニング (RFT) などの手法を使用して、SageMaker トレーニングジョブで Nova モデルをカスタマイズできます。詳細については、「SageMaker トレーニングジョブでの Amazon Nova のカスタマイズ」を参照してください。

    注記

    Amazon 所有の出力 S3 バケットで暗号化するために Nova モデルカスタマイズトレーニングジョブに KMS キーを指定する場合:

    • 後続の反復トレーニングジョブを呼び出すとき、または暗号化されたモデルを利用して CreateCustomModel API を呼び出すときは、同じ KMS キーを指定する必要があります。

    • CreateTrainingJob API を呼び出す ID (実行ロールではなく) にはCreateGrant、KMS キーポリシーで定義されている GenerateDataKey RetireGrant、Encrypt、、および へのアクセス許可が必要です。

  • Amazon SageMaker HyperPod には、制限されたインスタンスグループ (RIG) がある SageMaker HyperPod EKS クラスターの作成と管理を必須とすることで、Nova モデルをトレーニングするための特殊な環境が用意されています。この環境では、特殊な GPU インスタンスと統合された Amazon FSx for Lustre ストレージを使用してトレーニング環境を柔軟に設定できるため、高度な分散トレーニングシナリオや継続的なモデル開発に特に適しています。詳細については、「Amazon SageMaker HyperPod での Amazon Nova のカスタマイズ」を参照してください。

この章の内容